GB108IntroSPC-Ch2.ppt

1、统计流程控制 (SPC)概述,Process Improvement Methodology ,目标,将控制图（Control Chart)方法和 DMAIC路线图结合 讨论不同形式的变异 介绍一些基本控制图方法 讨论控制图,DMAIC 工作路径,定义 识别差异 建立范围及边界 指派黑带及项目团队 建立项目定义表,测量 0级及价值流图 确定基线实施能力 起始 流程能力研究 流程能力 起始控制计划 详细流程图 测量系统分析（MSA） 因果矩阵 C & E Matrix 失效模式分析 FMEA,分析 根源分析 多级Pareto排列图 5 Why 图 辨认浪费 多变量研究 ANOVA 相关性与回归,

2、改善 实施过程优化 实验设计（DOE） 识别变异根源 确定结果 确定价值流图,控制 错误防范及实施SPC 更新控制计划 更新所有文件 交还给流程拥有者,漏斗效应,找到关键 Xs,控制关键 Xs,所有的Xs,找出显著因素,找出主要因素,SPC,* 错误观念 - SPC 只用来当控制工具,我们解释数据的方法,我们该采取措施了吗？,每天我们都被数据所淹没，我们被迫作出结果：,工厂的输出减少了4% 国家贸易逆差上升了$400亿 公司X的收入比上季度减少了$240万,别管它 没事,痛苦和受难,“顾客”要求下限 (下限),这种方法 告诉你从顾客需求角度看你处于什么位置 不能告诉你如何达到目标或下一步该做什

3、么,强制达到客户需求将导致 : 1. 真正改善流程 2. 破坏流程 3. 破坏数据 (完全的),“顾客” 要求上限 (上限）,我们历史上如何处理数据,痛苦和受难,变异范例,2,3,Scrap Level (%),1,J F M A,1996,1997,晚会时间,特殊与一般原因 工厂的废品率达到年度最低点 1.5% 经理为工厂提供了一个奖项 在自助餐厅举行仪式: 为所有人提供比萨及点心! “每个人都应该为你们所取得的成绩骄傲”,Derived from Understanding Variation: The Key To Managing Chaos, Donald J. Wheeler, S

4、PC Press. 1993.,2,3,1,J F M A M J J,1996,1997,经理想收回奖励,特殊与一般原因 连续三个月废品率上升 经理希望能够收回奖励 废品率仍然上升，而没有保持以前的成绩 经理决定: “奖励适得其反。这群人需要的是强硬管理!”,Scrap Level (%),Derived from Understanding Variation: The Key To Managing Chaos, Donald J. Wheeler, SPC Press. 1993.,变异范例,2,3,1,J F M A M J J A S O N D,1996,1997,不再 “温和管

5、理”,特殊与一般原因 到11月, 废品率上升到2.6% 年度最高点； 经理决定采取措施； 召集一个“特别会议”，要一次性并永久地解决这个问题； 在作完一个关于废品重要性的生动报告后，经理走了。员工们不知 道该做什么。而且他们还有更重要的指标。所以他们什么也没做。,Scrap Level (%),Derived from Understanding Variation: The Key To Managing Chaos, Donald J. Wheeler, SPC Press. 1993.,变异范例,特殊与一般原因 经理看到自从去年底以来，废品率降低了。“柳暗花明了！” (记住: 实际上从来

6、没采取任何措施来改善系统) 他得出结论: “强硬的管理方式获得成功！”,经理断定：“粗暴的爱产生奇迹”,2,3,1,J F M A M J J A S O N D,1996,1997,J F M A M J,Scrap Level (%),Derived from Understanding Variation: The Key To Managing Chaos, Donald J. Wheeler, SPC Press. 1993.,变异范例,在控制图上这个数据看上去像什么？,变异案例,特殊与一般原因,Derived from Understanding Variation: The Ke

7、y To Managing Chaos, Donald J. Wheeler, SPC Press. 1993.,让流程来说话吧！,真实的故事!“来自流程的声音”,经理 “ 嗨, 我是按照数据作出结论的我怎么会错呢？”,BB “你的结论是把高、低点作为信号观察而得出的。实际上，那都是噪声（一般要因变动）。看这数据，在工程中没有过明显的变化 ”,控制图讲述了一个不同故事为什么？,“经验证明：疏于使用控制图分析数据是增加费用，耗费努力和降低士气的最好方式。 ” - Donald J. Wheeler博士 （GE前总裁）,控制图方法,20世纪20年代-Western Electric 公司的Walt

8、er Shewhart博士 用于鉴别受控和不受控的变异 受控: 一般要因或固有的（噪声） 不受控: 特殊要因或可归属的（信号） 尽力在所有的噪声中寻找工程信号 把控制图作为主要的工具,控制图方法-它从何而来？,一般要因 (噪声) 在所有流程中出现 由流程自己产生（我们经营的方法） 可以消除和/或减小，但需要流程有根本性的改变 当只有一般要因变异存在时，流程处于稳定的，可预测的，和受控的状态,变异的种类 “一般与特殊”,特殊要因（信号） 不可预测 与一般要因变异相比相对大得多 由单个的扰动或其系列的组合导致 通过基本的流程控制和监控可以消除/减小 一个工程存在特殊要因变异时，被称为 脱离控制 和

9、 不稳定,变异的种类 “一般与特殊”,数据依时间而变化,UCL,中心线,LCL,UCL = 上控制限 Upper Control Limit / LCL = 下控制限 Lower Control Limit,标绘数据,控制图主要构成要素,监控特性,有 %的数据点会落在 UCL（上控制限）及 LCL（下控制限）之间 ? 如果有数据点落在 UCL 和 LCL 之外， 是否意味着我们制造出对顾客而言的不良品?,控制图要素 UCL 与 LCL,Upper Control Limits = UCL (控制上限) Lower Control Limits = LCL (下控制限),Upper Specif

10、ication Limits = USL (上控制限) Lower Specification Limits = LSL (规格下限),流程是否在缺陷下限 ?,UCL,LCL,TIME,USL,LSL,UCL and LCL 与 USL and LSL,UCL,LCL,TIME,USL,LSL,UCL and LCL vs. USL and LSL,Upper Control Limits = UCL (控制上限) Lower Control Limits = LCL (下控制限),Upper Specification Limits = USL (上控制限) Lower Specificat

11、ion Limits = LSL (规格下限),流程是否在缺陷下限 ?,UCL 和 LCL vs. USL 和 LSL,流程控制限是由流程本身数据计算而来的 其以 +/- 3 s 为基础 (99.73% 的预期流程变异落在此区限中) 产品规格限不是来自控制图，它来自顾客 了解流程如何满足顾客需求是非常重要的 要确认流程如何达到顾客需求，必须进行流程能力分析,#1) 将 规格限当作控制图的控制限 #2) 将 UCL及LCL 当作规格限使用 当您犯了述错误时，控制图就只是一个检验工具，而不再是控制图 UCL / LCL 和顾客所定义的不良品无直接关系 !,制作控制图时，两个常见的错误,UCL 和

12、LCL vs. USL 和 LSL,两种主要的控制图,连续数据（变量）控制图 （Variables Charts） X-Bar / R Chart X-Bar / s Chart I（单值）-MR（移动范围） 离散数据（属性）控制图（Attribute Charts） I（单值）-MR（移动范围） Chart p-Chart np-Chart c-Chart u-Chart,两类常规数据,计量型 - 数据是连续的 (测量的) 是对于产品的实际测量结果，如一个软管的直径，阻抗，一个部件的重量等。 计数型 - 数据一般是计数的 结果是以通过/不通过的形式，检查所看到的缺陷，丢失部件的数量，通过/不

13、通过的决策等。,从生产线出来的变速器，其左前方螺栓扭矩 从生产线出來的变速器，其螺栓平均扭矩 每一引擎中，螺栓遗漏数目 每一销售合同中打字错误数 月产量中，有多少引擎有缺陷 月产量中，有多少百分比的不良引擎 每个账单的应收账款所需要的结案时间 每制造一百个引擎有多少是有缺陷的,练习：数据是何种类型?,计数型,计量型,什么类型的数据 ?,按群还是按单值收集的数据 ?,缺陷数或不良品?,群组 (平均值) (n1),单个数值 (n=1),X-Bar R X-Bar S,单值移动范围 （ I-MR ）,特殊类型的“缺陷”,不良品,缺陷的概率低吗?,如果你知道坏的数， 你知道好的数吗？,泊松分布,二项分

14、布,单值移动范围 （I-MR）,否,是,是,每个样本 的概率面积不变 ?,是,否,c 图,u 图,样本数不变?,np 图,否,是,p 图,选择正确的控制图,注: X-Bar S 适合于群 (n) 10,Minitab 控制图,我们将使用的检验: 检验 #1: 有一点落在 UCL 或 LCL 之外 (3-sigma 范围) 检验 #2: 两个或三个连续的点落在2-sigma 范围外 检验 #3: 四个或五个连续的点落在 1-sigma 范围外 检验 #4: 九个连续的点落在中心线的一边 模式检验: 用一个模式重复它 (#cycles x #points in pattern 15),设定一组标准

15、检验来帮助识别我们流程中所表现出来的特殊原因 当控制图上面的点使得检验失败，我们常使用这样的用语“无法控制”。,当图中的任何一个点没有通过检验， 这意味着有些 “不寻常的事情” 发生了 赶快去检查 !,控制图检验,“道路规则” (1) 从检验 #1及决策模式检验开始 (2) 如果需要更高的敏感度，请使用检验 #2, 3, 及 4,监测控制缺乏,我们将使用的检验: 检验 #1: 有一点落在 UCL 或 LCL 之外 (3-sigma 范围) 检验 #2: 两个或三个连续的点落在2-sigma 范围外 检验 #3: 四个或五个连续的点落在 1-sigma 范围外 检验 #4: 九个连续的点落在中心

16、线的一边 模式检验: 用一个模式重复它,1 Sigma,2 Sigma,3 Sigma,1 Sigma,2 Sigma,3 Sigma,60-75%,90-98%,99-99.9%,% 数据点,UCL,LCL,时间,我们测量 的项目,标准差规则,标准差规则,“数据落在什么地方?”,Test #1,Test #2,Test #3,Test #4,为缺乏控制的Minitab 检验,使用: 当从每个样品中获得多于一个检验时是不便的或不可能的 当技术上允许对每个部件在成本最低 的条件下使用简单测量时 可用的数据是稀少的 变异 短期: 表现为从一个部件到下一个部件的变异 (移动范围图 Moving Ra

17、nge chart) 长期: 表现为一个长序列项目 (单值图 Individuals chart),图是基于一个大小为1的子群的,单值Individuals /移动范围Moving Range,控制图,打开工作表: Individual MR in DM SPC.MPJ Stat Control Charts Variables Charts for Individuals I-MR Variable = Errors,Minitab练习,Individuals / Moving Range,Minitab 练习续,图表告诉了你什么?,管理层必须建立并支持一环境，此环境可促使适当的改善行动并支

18、持收集控制图的信息 控制图只应用在主要流程，其改善可为组织/顾客帶来益处 由流程中所收集的资料，需经有能力的测量系统确认,控制图计划中最大的失败是 使用许多控制图，但沒有实际行动,有效地使用控制图的要求,控制图抽样是了解流程简易而有效的方法 若改善行动已消除特殊要因(即流程已达稳定) 且流程能力已被确认，100%检验即可取消 (但须注意顾客所要求的检验计划),控制图: 抽样 vs. 100% 检验,练习,打开 项目文件 DM SPC.MPJ 练习使用工作表中的项目文件来创建控制图,统计控制（Statistical Control）检验,正规变异,0,5,10,15,20,0,1,2,3,4,5,Rbar,Xdbar,LCL,UCL,UCL,LCL,Range,XBAR,区域检验 1: Range Chart,区域检验 1: Average Chart,任何落在控制范围之外的点,区域检验 2: Range Chart,两个或三个点落在区域 A 中,区域检验 2: A